用于大直径钢管顶进精度控制装置

    公开(公告)号:CN218601716U

    公开(公告)日:2023-03-10

    申请号:CN202222890850.6

    申请日:2022-11-01

    IPC分类号: G05B19/05 F16L1/036 F16L1/06

    摘要: 本实用新型涉及一种用于大直径钢管顶进精度控制装置,包括设置在顶管机上的纠偏机构,所述纠偏机构包括设置在顶管机上的传感器,所述传感器的前后端分别安装有前面板及后面板,所述顶管机的中心位置还设置有反激光源,所述反激光源发射的激光指向前面板上,位于工作井内还设置有洞外激光源,所述洞外激光源发射的激光指向后面板,所述纠偏机构还包括顶管机机内PLC及主控室PLC,所述顶管机机内PLC及主控室PLC用于接收传感器发出的信号,所述顶管机机内PLC用于控制顶管机的纠偏油缸来调整顶管机的前进姿态,该装置能够在钢管顶进的过程中合理地控制顶进精度,并做到随时矫正,随时纠偏,实时监测,保证钢管在顶进过程中的精度符合要求。

    一种基于神经网络的隧道掌子面围岩智能分级方法

    公开(公告)号:CN116468939A

    公开(公告)日:2023-07-21

    申请号:CN202310363305.8

    申请日:2023-04-06

    摘要: 一种基于神经网络的隧道掌子面围岩智能分级方法,包括围岩强度获取、岩石完整程度获取及围岩分级。围岩强度获取步骤为:选择现场测试的掌子面围岩回弹值和地质发育度作为输入指标;基于RBF神经网络智能算法构建RBF学习模型,将学习样本数据输入RBF学习模型优化参数;利用优化参数建立RBF学习模型,将检验样本数据输入到RBF预测模型,得到围岩强度输出结果。岩石完整程度获取步骤为:对掌子面的围岩进行图像拍摄;利用图像识别处理方法获取掌子面完整图像;基于Mask RCNN卷积神经网络算法构建Mask RCNN学习模型,将学习样本数据输入Mask RCNN学习模型优化参数,等。本发明基于神经网络算法对隧道掌子面围岩进行智能分级,可准确预测隧道掌子面的围岩级别。

    一种隧道爆破的数值模拟方法

    公开(公告)号:CN109631701B

    公开(公告)日:2020-03-27

    申请号:CN201811610261.X

    申请日:2018-12-27

    申请人: 同济大学

    IPC分类号: F42D1/00 F42D3/04

    摘要: 本发明涉及一种隧道爆破的数值模拟方法,包括以下步骤:S1:建立隧道模型,获得爆破前隧道及围岩的应力状况;S2:建立三轴坐标系,计算各段别峰值时各个炮孔爆破时施加在炮孔壁处的爆破应力;计算单个炮孔爆破时引起的离炮孔不同距离处的爆破应力;计算单个炮孔爆破时引起的隧道轮廓面各处的爆破峰值应力矢量;将同段别所有炮孔引起的爆破峰值应力矢量叠加;S26:计算各个时刻隧道轮廓面各处爆破动荷载;S3:在软件中将爆破荷载值加载至隧道轮廓面上进行模拟。本发明在计算爆破荷载,同时考虑多个炮孔爆破荷载叠加及不同区域爆破应力逐步衰减等因素,从而更加准确地计算出施加在隧道开挖轮廓面上的爆破荷载,计算得到的爆破振速也更加准确。